论文
uva-irlab-conv 在 SemEval-2026 任务 8：具有学习稀疏检索和列表重排序的多轮 RAG
uva-irlab-conv at SemEval-2026 Task 8: Multi-Turn RAG with Learned Sparse Retrieval and Listwise Reranking
摘要
本报告描述了我们参与 SemEval-2026 任务 8 的多轮检索和问答的情况。该任务评估跨四个领域（金融、云文档、政府、维基百科）的对话系统，并包括无法回答的查询，其中可用集合不包含足够的证据来生成完整的响应。我们提出了一种多轮检索增强生成管道，它将学习的稀疏检索与基于 LLM 的重新排序和生成相结合。使用稀疏检索作为主要检索方法，我们利用其跨领域的强大泛化能力。此外，我们利用 LLM 的长上下文功能进行会话查询重写、逐点和列表重新排序以及生成最终响应，每个响应都以完整的会话历史记录为条件。这种多步骤设计可以在整个检索和生成过程中有效集成对话上下文，从而提高跨领域的稳健性。